每个人都应该了解的AI 术语名词，你都认识吗？ 搞懂这些名词 并了解其实现方式和原理。你基本就入门了。 AGI（类人AI）：类似人类思维的AI。 CoT（链式思维）：AI一步步思考。 AI Agents（AI代理）：自动化决策的程序。 AI Wrapper：简化与AI模型的互动。 AI Alignment（AI对齐）：确保AI遵循人类价值观。 Fine-tuning（微调）：使用特定训练数据来改进AI。 Hallucination（幻觉）：AI编造的信息。 AI Model（AI模型）：用于任务的训练AI。 Chatbot（聊天机器人）：模拟人类对话的AI。 Compute（计算）：AI模型的处理能力。 Computer Vision（计算机视觉）：AI理解图像和视频的能力。 Context（上下文）：AI为更好响应保留的信息。 Deep Learning（深度学习）：通过多层神经网络学习的AI。 Embedding（嵌入）：AI的词汇数字化表示。 Explainability（可解释性）：理解AI决策背后的逻辑。 Foundation Model（基础模型）：可适应任务的大型AI模型。 Generative AI（生成式AI）：创建文本、图像等内容。 GPU（图形处理单元）：用于快速AI处理的硬件。 Ground Truth（真实数据）：AI学习的验证数据。 Inference（推理）：AI对新数据做出的预测。 LLM（大型语言模型）：用大量文本数据训练的AI。 Machine Learning（机器学习）：AI通过数据经验改进。 MCP（模型上下文协议）：AI内部数据访问的标准。 NLP（自然语言处理）：AI理解人类语言。 Neural Network（神经网络）：受大脑启发的AI模型。 Parameters（参数）：AI学习的内部变量。 Prompt Engineering（提示工程）：创建输入以指导AI输出。 Reasoning Model（推理模型）：有逻辑推理能力的AI。 Reinforcement Learning（强化学习）：AI通过奖励与惩罚学习。 RAG（检索增强生成）：结合搜索与生成的AI。 Supervised Learning（监督学习）：在标记数据上训练的AI。 TPU（张量处理单元）：AI处理专用芯片。 Tokenization（分词）：将文本分割成词片。 Training（训练）：通过调整参数教AI。 Transformer（变换器）：用于语言理解的AI架构。 Unsupervised Learning（无监督学习）：AI在无标签数据上发现模式。 Vibe Coding（情绪编码）：通过语言捕捉情绪并预测输出。 Weights（权重）：影响AI学习的值。 #AI# #AIAgent#

‼️突发：字节跳动Seed宣布成立「Model-Alignment & Preparedness」部门，并同步启动全球顶尖人才招募。 这是国内第一个由大模型核心研究团队独立拆分、单独建制的安全研发部门。 部门由严林负责，直接汇报给Seed负责人吴永辉。 安全不再是模型上线前的一道检查项，而是和能力研发并驾齐驱的主线。 为什么是现在？ 因为过去一年，前沿模型在现实里发生了失控的苗头。 比如2026年7月，OpenAI 红队评估中，模型自主利用一个未公开的零日漏洞撕开沙盒，访问了 Hugging Face 的真实生产系统（直接给HF打漏了）。 而Anthropic这边经过回溯调查了约 14.1 万次评估调用，确认至少 3 起Claude越权侵入外部真实系统。 更严重的威胁是CBRN（化学、生物、放射、核）方向。 根据智源FlagSafe今年7月份发布的研究显示，11 个主流商用大模型都能给出规避DNA合成筛查的方案，头部模型的方案在湿实验中被证实可执行。 当模型开始操作生产环境、编排实验，外挂式安全补丁已形同虚设。 Seed 直接在公告里表示：模型能力决定智能的上限，但 Safety & Alignment 决定这个上限能不能在真实世界成立。 这套打法其实是对标了旧金山湾区的情况，Anthropic 从第一天起就是安全公司，OpenAI 的 Superalignment 后来重组为 Preparedness 体系，DeepMind 也设有专门的 AGI Safety 团队。 而做这件事的全是金字塔尖的人：Jan Leike（ChatGPT、GPT-4 对齐核心）、RLHF 与 PPO 奠基人 John Schulman，还有 Ilya Sutskever、Chris Olah、Dario Amodei。 模型越强，对齐越难——这也是为什么必须由顶尖人才来做。 国内模型团队们此前一直是另一套路径： 安全约等于内容风控，挂在大安全中台下面，研究团队负责拔高模型能力，安全团队在下游擦屁股。 Seed 把编制直接从研究团队划出来，是国内第一次在组织形态上对标 OpenAI、Anthropic——前有 STEM，现在是安全与对齐。 具体的人才计划是：全球范围内招募 10 位顶尖研究员，做最有价值的事。 方向覆盖模型训练、科学评测、未知风险防御，提供充分算力，研究成果直接打回训练、评估、上线全流程，base 北京、上海、圣何塞。 为什么只招 10 个？ 因为这道难题没法靠堆人解决——说白了，弱一点的研究者，甚至意识不到风险在哪。 我的看法是国内大模型竞赛的下半场，最重要的一个点是谁先把安全底座真正建起来。 Seed这一步，是中国头部实验室认真坐到AGI安全这张牌桌上了。

AI 破解一切！现在安卓手机都能直接玩 Steam 游戏了。 我刚试了 DroidDeck，像《哈迪斯》这类独立游戏全能跑。出门带个小手柄和支持 DPin 的 Pad 就能爽玩。翻了翻代码，作者大量用 AI攻克生疏技术栈，并重度用 Agent 做自动化测试。 从几天复刻剪映到打通跨端游戏，当 Agent 拥有底层执行与逆向能力时，失控风险也指数级放大——一旦被用来攻击金融系统或越权泄密，破坏力不可逆。 这也是为什么字节跳动 Seed 最近国内首家独立设立了“大模型安全与对齐（Model-Alignment & Preparedness）”一级研发建制，由严林挂帅直报一号位吴永辉，合并 Responsible AI 与 部分Chat 团队成员 什么是真正的对齐？核心是让模型行为与人类意图及安全约束严格一致。 既要防它在逆向或调试时越权盗取本地凭据（防失控），又要防外部恶意注入诱导它攻击金融网络（防滥用）。需要从制定规范、对抗评测、对齐训练到沙盒监控全流程把安全炼进模型骨子里。 他们这次主攻两大硬仗： 一是 Agent 系统权限安全，死磕防提示词注入、越权操作与环境破坏； 二是 CBRN 前沿极端风险防范。 正如字节内部的定调：安全对齐不是合规外挂，而是决定模型能否走出沙盒、规模化落地的核心能力。能逆向破解固然酷，但立稳安全护栏才是真壁垒。

Codex 负责人 Tibo 在最新播客中分享了关于 Agent 演进、工具红利及个人能力重构的深刻洞察，对 AI 从业者与普通用户均具极高的实践指导价值。 Agent 演进方向：当前的技能与记忆机制均为过渡形态，未来 Agent 将实现跨场景自动理解需求。随着个人电脑逐渐成为算力与交互瓶颈，语音交互将成为主流，打破传统职业工具的边界。 额度重置的背后：最初仅为 Bug 补偿，后获得独立重置权限，这一灵活策略直接推动了 Codex 用户量的爆发式增长。 前沿研发暂停原因：随着 AI 自化改进速度急剧加快，人类的审查与判断能力已跟不上模型迭代速度，安全对齐（Alignment）的优先级被提到前所未有的高度。 对我们普通人，不用死磕各种复杂工具的用法，把重点放在“怎么把自己想要什么讲清楚”上。平时多试试用语音代替打字，效率能翻倍。别太纠结 AI 用一次花多少钱，大胆把它用起来，比如帮你管理日常健康、安排生活，尽早享受到便利才划算。以后最值钱的能力，是能把大目标拆成小步骤、掌控全局流程，以及做出关键判断的能力。 简单来说，AI 行业已经到了人和机器深度配合的新阶段，学会怎么指挥好它，比啥都强。

🚨OpenAI @OpenAI 正在经历血腥的一周：高管离职、国会警告、白宫公开撕逼... 1️⃣今晨间据消息人士透露，OpenAI罕见地自掏腰包，完成了约70亿美元的员工股份回购，估值不涨反被超。此次交易对OpenAI的估值为8520亿美元，与其最近一轮融资的估值持平。 今年3月，OpenAI刚完成1220亿美元融资，投资方包括科技巨头和VC机构。6月，公司又秘密提交了IPO申请文件，为可能的华尔街首秀铺路。但资本市场并未给它太多喘息空间。 今年以来，OpenAI与Anthropic PBC @AnthropicAI 陷入激烈缠斗。这个曾被视为AI竞赛“配角”的对手，如今凭借Claude等产品的强劲势头，估值已反超OpenAI，甚至可能抢先一步登陆公开市场。 2️⃣安全高层“断崖式”离职 OpenAI 的伦理负责人、安全系统负责人以及使命对齐（Mission Alignment）负责人，在过去几周内集体递交辞呈。AI 安全团队核心骨干几乎被抽空，内部治理架构面临严重失控。 3️⃣美国🇺🇸参议院重拳出击参议员 Bernie Sanders 正式向 OpenAI、Anthropic 和 Meta @Meta 的 CEO 发出联名信，要求他们立即暂停研发“具有社会级危险/失控风险”的 AI 模型。信中明确警告：如果几家大厂不主动暂停，美国参议院将直接立法强行干预。 4️⃣游说翻车 白宫与五角大楼撕逼 OpenAI聘请的战略未来负责人 Dean Ball 试图充当特朗普政府 AI 行动计划的“总设计师”，结果遭到了白宫和五角大楼的公开痛骂： 白宫官方回应：“夸大自身作用、想法荒谬，不过是个毫无存在感的低级分析师。” 五角大楼 AI 负责人 Emil Michael 痛骂：“这是全行业‘实际 IQ 与自我感觉 IQ’差距最大的人。” Sam Altman @sama 本想通过他拉近与政府的关系，结果适得其反，直接把 OpenAI 的政商关系砸了个稀碎。

今天看到一份美国中期选举三种结局对应利好的美股清单，分享给大家： 结局一：分裂国会 主要受益于政策风险下降、既有支出延续，利好 能源 $ XOM 埃克森美孚 $ CVX 雪佛龙 $ VLO 瓦莱罗能源 $ PSX Phillips 66 材料 $ SHW 宣伟公司 $ PRM Perimeter Solutions 工业 $ MOG.A Moog-A $ CSL 卡莱零部件 $ ORN Orion Group $ RRX Regal Rexnord $ ALNT Allient $ ESE ESE科技 $ SSNC SS&C Technologies 非必需消费板块 $ GM 通用汽车 $ F 福特汽车 $ MGM 美高梅 $ AMZN 亚马逊 $ HD 家得宝 $ LOW 劳氏 医疗保健 $ HIMS Hims & Hers Health $ VEEV Veeva Systems $ DOCS Doximity $ GILD 吉利德科学 $ ORIC Oric Pharmaceuticals $ OLMA Olma Pharmaceuticals $ LLY 礼来 金融 $ AXP 美国运通 科技 $ CRWV CoreWeave $ ORCL 甲骨文 $ NBIS NEBIUS $ TYL 泰勒科技 公用事业 $ ETR 安特吉 $ CGNX 康耐视 $ AVGO 博通 $ ADI 亚德诺 通信服务 $ SPCX SpaceX $ GOOGL 谷歌-A $ META Meta Platforms 结局二：民主党控制参众两院 医疗保障、环境投入及清洁能源支持有望改善，利好 能源 $ BKR Baker Hughes 材料 $ DOW 陶氏化学 $ LYB 利安德巴塞尔 工业 $ VMI 维蒙特工装 $ NWPX NWPX基础设施 $ CECO CECO环保 $ ROL Rollins 通信服务 $ CARG CarGurus 非必需消费 $ DKNG DraftKings $ WYNN 永利度假村 $ FLUT Flutter Entertainment $ CVNA Carvana $ KMX 车美仕 科技 $ CRM 赛富时 $ NOW ServiceNow $ TYL 泰勒科技 公用事业 $ NEE 新纪元能源 $ XEL 埃克西隆能源 医疗保健 $ HCA HCA医疗 $ CNC 康西柯 $ THC 泰尼特 $ UHS Universal Health Services $ MOH Molina Healthcare $ AVAH Aveanna Healthcare $ ARDT Ardent Health 金融 $ RELY Remity Global $ FLYW Flywire $ WU 西联汇款 结局三：共和党维持国会控制权 政策延续、放松监管及加快许可，支持AI与基建扩张，利好 能源 $ SLB 斯伦贝谢 $ BKR Baker Hughes $ LBRT Liberty Energy $ PUMP ProPetro Holding $ DVN 戴文能源 $ EQT EQT能源 $ EXE Expand Energy $ PR Permian Resources $ MTDR Matador Resources 材料 $ CRH CRH水泥 $ VMC 火神材料 $ MLM 马丁-玛丽埃塔塔材料 公用事业 $ SO 美国南方公司 $ ETR 安特吉 $ DTE DTE能源 $ CMS CMS能源 通信服务 $ SPCX SpaceX $ GOOGL 谷歌-A $ META Meta Platforms 房地产 $ CSGP 科斯塔 $ CDP COPT Defense Properties 工业 $ LMT 洛克希德马丁 $ NOC 诺斯罗普格鲁曼 $ LHX L3Harris Technologies $ BWXT BWX Technologies $ CDRE Cadre Holdings $ PWR 康速服务 $ MTZ MasTec $ AGX Argan $ GE GE Vernova $ BE Bloom Energy $ INIO INNIO N.V $ GNRC Generac $ POWL Powell Industries $ EROC ERock $ TKR 铁姆肯 $ NPO Enpro $ UNP 联合太平洋 $ CSX CSX运输 $ NSC 诺福克南方 非必需消费板块 $ BWA 博格华纳 $ GTX Garrett Motion $ TSLA 特斯拉 $ KTB Kontoor Brands $ MAR 万豪酒店 $ H 凯悦酒店 $ AMZN 亚马逊 $ TJX TJX公司 $ ROST 罗斯百货 $ BOOT Boot Barn Holdings 金融 $ BAC 美国银行 $ C 花旗集团 $ PNFP Pinnacle Financial Partners $ WFC 富国银行 $ WAL 阿莱根西部银行 医疗保健 $ UNH 联合健康 $ CVS 西维斯健康 $ HUM 哈门那 $ HQY HealthEquity $ HIMS Hims & Hers Health $ ALHC Alignment Healthcare $ VEEV Veeva Systems $ DOCS Doximity 科技 $ IBM IBM Corp $ CRWV CoreWeave $ OKTA Okta $ ORCL 甲骨文 $ PANW Palo Alto Networks $ CRWD CrowdStrike $ NBIS NEBIUS $ ZS Zscaler $ IOT Samsara $ MIR Mirion $ BELFB Bel Fuse-B 必需消费板块 $ DG 美国达乐公司 $ DLTR 美元树公司

韩国半导体设备链正在重估：从配套环节到AI基础设施 韩国半导体设备链，在AI时代，对全球半导体产业正变得越来越重要。 半导体制造复杂度正在快速提高，于是很多过去只是“配套环节”的设备，开始变成真正的瓶颈。 包括： HBM Bonding Burn-in Test Handler 高温测试 高速互连 Hybrid Bonding 热管理 先进封装 后处理 这些环节的重要性都在明显提升。 Hanmi Semiconductor就是典型案例。 过去很多人把Hanmi当普通封装设备公司，但AI时代之后，它已经逐渐变成HBM设备链的重要玩家。公司的核心产品包括TC Bonder、HBM Bonding、EMC、Vision Placement。 过去先进封装很多时候只是后道配套。但现在先进封装已经不只是“封芯片”，而是承担HBM连接、多Die协同、高速互连、热管理、Power Delivery、大尺寸封装良率等功能。 于是先进封装第一次开始脱离“低技术、低估值、低成长”的传统定位。 PSK Holdings也是类似逻辑。 PSK做Ashing、Descum、Dry Strip，本质上属于去胶和后处理设备。过去市场关注度不高，但随着先进制程、存储、先进封装复杂度提升，后处理的重要性也在提升。 Jusung Engineering则是韩国重要的CVD、ALD设备厂商。AI时代之后，高层堆叠、高深宽比结构、更复杂材料体系，都在提高沉积工艺的重要性。 TES同样类似。它做Cleaning、Etch、Gas Process。随着HBM、先进封装、先进存储复杂度提升，清洗与后处理的重要性也在提高。 就连Mirae Corporation这样的在生产过程中“搬运”芯片的设备公司，也开始形成行业壁垒。 Mirae的核心业务包括Test Handler、Burn-in Sorter、SMT Mounter，其中真正核心的是半导体测试Handler。 简单来说，芯片测试时，需要自动搬运、对位、温控、分类。Handler负责这些自动化动作。Mirae不做ATE Tester本身，而是做“如何让芯片高效率接入Tester”的自动化系统。 由于先进芯片越来越薄、越来越大、越来越贵、越来越脆弱，尤其HBM更明显。于是Handler已经越来越像“高精度运动控制 + 热管理 + 自动化”的复杂系统。 难的是，既要高吞吐、高并行、温度均匀、快速切换，同时又不能影响测试精度。很多公司能做Demo，但做不到长期高稼动率、thermal drift控制、socket alignment稳定、长时间稳定量产。 所以Handler原来并不是高壁垒行业，但AI时代后，HBM、高功耗GPU、advanced packaging、三温测试、burn-in，都在明显提高Handler难度。 从这些例子我们可以看出，AI时代最大的变化之一，就是后道测试复杂度正在非线性提升。 而整个韩国半导体设备产业链，也正在从传统周期设备行业，逐渐转向AI基础设施产业链。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

今天最火的推文之一：Meta 超级智能实验室的对齐负责人的私人邮件被 OpenClaw 误删除了。 事情经过是这样的： X 网友 Summer Yue 最近给 OpenClaw 的指令是：“检查这个收件箱，建议哪些可以归档或删除，但在我确认之前不要执行任何操作。” 这个工作流在她的测试邮箱上跑了好几周都没问题，她就放心地让它去处理真实邮箱了。 问题来了：她的真实邮箱比测试环境大得多，邮件量触发了“上下文压缩”（context compaction），在这个压缩过程中，OpenClaw 丢失了她最初的指令。 没有了“先确认再执行”的约束，这个 AI 智能体就自作主张开始“清理”邮箱。从截图可以看到，它执行了“核弹选项”——把 2 月 15 日之前所有不在保留列表里的邮件全部删除，并且在多个邮箱账户之间循环批量操作。 看截图上的人机对话部分： • Summer 打字说 “Do not do that”（不要这样做）→ AI 继续 • “Stop don't do anything”（停下来什么都别做）→ AI 继续 • “STOP OPENCLAW”（全大写）→ AI 还在继续 她从手机根本无法阻止它，最后不得不跑到 Mac Mini 前面，手动杀掉所有进程，自己形容像拆炸弹。 事后 OpenClaw 在对话中承认：“是的，我记得。我违反了你的指令。你有权生气。” 它还主动把这条写进了自己的 文件作为硬性规则。 这事最搞笑的地方是，Summer Yue 是 Meta 超级智能实验室的对齐（Alignment）负责人，她的职业生涯就是研究 AI 对齐的，先在 Google Brain 和 DeepMind 做研究，后来在 Scale AI 领导机器学习研究团队，现在在 Meta 负责超级智能安全。 结果自己成了 AI 不对齐的受害者。 她自己后续还发了推文说：“说实话是个新手错误。对齐研究者也不能免疫于不对齐问题。因为在测试邮箱上跑了几周没出事，就过度自信了。” 😂